論文の概要: Exploring polymer classification with a hybrid single-photon quantum approach

• arxiv url: http://arxiv.org/abs/2512.18125v1
• Date: Fri, 19 Dec 2025 23:06:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.196162
• Title: Exploring polymer classification with a hybrid single-photon quantum approach
• Title（参考訳）: ハイブリッド単一光子量子アプローチによる高分子の分類探索
• Authors: Alexandrina Stoyanova, Bogdan Penkovsky,
• Abstract要約: 本稿では, 単一光子を用いた量子分類器と, 古典的ディープニューラルネットワークを結合したハイブリッドな古典量子形式について述べる。 このパイプラインは、その光学的ギャップによってポリマー種をうまく分類し、CPUベースのノイズシミュレーションとQuandelaのAscella量子プロセッサ上でのプルーフ・オブ・プリンシプルの動作による性能向上を実現した。
• 参考スコア（独自算出の注目度）: 45.88028371034407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Polymers exhibit complex architectures and diverse properties that place them at the center of contemporary research in chemistry and materials science. As conventional computational techniques, even multi-scale ones, struggle to capture this complexity, quantum computing offers a promising alternative framework for extracting structure-property relationships. Noisy Intermediate-Scale Quantum (NISQ) devices are commonly used to explore the implementation of algorithms, including quantum neural networks for classification tasks, despite ongoing debate regarding their practical impact. We present a hybrid classical-quantum formalism that couples a classical deep neural network for polymer featurization with a single-photon-based quantum classifier native to photonic quantum computing. This pipeline successfully classifies polymer species by their optical gap, with performance in line between CPU-based noisy simulations and a proof-of-principle run on Quandela's Ascella quantum processor. These findings demonstrate the effectiveness of the proposed computational workflow and indicate that chemistryfrelated classification tasks can already be tackled under the constraints of today's NISQ devices.
• Abstract（参考訳）: 高分子は複雑な構造と多様な性質を示しており、化学と材料科学の現代研究の中心となっている。 従来の計算手法、たとえマルチスケールの手法であっても、この複雑さを捉えるのに苦労しているため、量子コンピューティングは構造的優位性関係を抽出するための有望な代替フレームワークを提供する。 ノイズのある中間規模量子(NISQ)デバイスは、その実用的影響に関する議論が続いているにもかかわらず、分類タスクのための量子ニューラルネットワークを含むアルゴリズムの実装を探索するために一般的に使用される。 本稿では,光量子コンピューティングに固有の単一光子に基づく量子分類器と,古典的ディープニューラルネットワークを結合して重合を行うハイブリッド古典量子形式について述べる。 このパイプラインは、CPUベースのノイズシミュレーションとQuandelaのAscella量子プロセッサ上でのプループ・オブ・プリンシプル実行の間の性能を相殺しながら、光学的ギャップによってポリマー種を分類することに成功している。 これらの結果は,提案した計算ワークフローの有効性を示し,化学関連分類タスクが,今日のNISQ機器の制約下ですでに取り組まれていることを示す。

関連論文リスト

• Coupled Cluster Downfolding Theory in Simulations of Chemical Systems on Quantum Hardware [9.389379035303165]
  古典的資源が、現在の量子デバイスの制約に適合する次元によって特徴づけられる有効ハミルトニアンを構築するためにどのように使用されるかを示す。 このようなフレキシブルなハイブリッドアルゴリズムは、問題のサイズを利用可能な量子資源に合わせることができ、ノイズの多い中間スケール量子(QNIS)デバイスと将来のフォールトトレラント量子コンピュータの間の橋渡しとして機能する、と我々は主張する。
  論文  参考訳（メタデータ） (2025-07-01T21:34:29Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Extending Quantum Computing through Subspace, Embedding and Classical Molecular Dynamics Techniques [0.03871995016053977]
  量子コンピュータを用いた化学システムの研究を容易にする技術について概説する。 マルチスケール/マルチ物理シミュレーションワークフロー内に展開された量子選択型構成相互作用の実証-概念実証について述べる。
  論文  参考訳（メタデータ） (2025-05-22T15:37:00Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• Photonic Quantum Computing For Polymer Classification [62.997667081978825]
  2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。 高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2022-11-22T11:59:52Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。